| 致谢 | 第1-4页 |
| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6-11页 |
| 1 导论 | 第11-20页 |
| ·问题的由来 | 第11页 |
| ·人工神经网络的产生和发展 | 第11-14页 |
| ·人工神经网络与人工智能的关系 | 第11-12页 |
| ·人工神经网络的螺旋式发展 | 第12-14页 |
| ·人工神经网络应用研究的现状 | 第14-17页 |
| ·一般状况 | 第14页 |
| ·国外在化学化工中的应用研究状况 | 第14-16页 |
| ·国内人工神经网络应用研究状况 | 第16-17页 |
| ·人工神经网络用于化工物性定量预测的状况,可行性及特点 | 第17-19页 |
| ·人工神经网络在物性定量预测中的应用状况 | 第17-18页 |
| ·可行性 | 第18页 |
| ·人工神经网络用于化工物性定量预测的特点 | 第18-19页 |
| ·本文工作内容 | 第19-20页 |
| 2 人工神经网络基本原理 | 第20-26页 |
| ·生物神经元的构造和工作原理 | 第20-21页 |
| ·人工神经元及人工神经网络构造 | 第21-22页 |
| ·人工神经元的数学描述 | 第22-24页 |
| ·人工神经网络的训练 | 第24-26页 |
| 3 关于物性定量预测神经网络选型、结构和训练样本的研究 | 第26-50页 |
| ·用于化工物性定量预测的人工神经网络模型选择 | 第26-29页 |
| ·网络模型选择 | 第26-27页 |
| ·误差反向传播网络算法 | 第27-29页 |
| ·标准算法的修改 | 第29-31页 |
| ·增加动量项 | 第29-30页 |
| ·扩大训练周期 | 第30页 |
| ·学习速率和动量因子的动态调整 | 第30-31页 |
| ·活化函数的形式选择 | 第31-33页 |
| ·关于网络的拓扑结构 | 第33-44页 |
| ·网络隐蔽层节点数对训练的影响 | 第33-36页 |
| ·网络层数对训练的影响 | 第36-40页 |
| ·关于网络短路处理的试验 | 第40-43页 |
| ·关于网络结构选择的策略 | 第43-44页 |
| ·关于网络的训练样本 | 第44-50页 |
| ·输入信号的选择 | 第44-46页 |
| ·训练样本集的选择 | 第46页 |
| ·训练集数值的预处理 | 第46-48页 |
| ·训练样本顺序的影响 | 第48-50页 |
| 4 关于物性定量预测神经网络学习的研究 | 第50-70页 |
| ·初始权值的设定 | 第50-54页 |
| ·学习参数的设置和调整 | 第54-62页 |
| ·学习速率η的调整 | 第54-58页 |
| ·动量因子α的调整 | 第58-62页 |
| ·训练过程结束的控制参数 | 第62页 |
| ·最佳学习状态 | 第62-64页 |
| ·学习策略 | 第64-70页 |
| ·学习时间控制策略 | 第64-66页 |
| ·权扰动策略 | 第66-67页 |
| ·训练集规模调整策略 | 第67-68页 |
| ·其它学习策略 | 第68-70页 |
| 5 误差反向传播网络程序设计 | 第70-75页 |
| ·系统总成 | 第70-72页 |
| ·反传网络训练子系统设计 | 第72-75页 |
| 6 人工神经网络用于化工基础物性的定量预测 | 第75-95页 |
| ·人工神经网络用于沸点汽化热的定量预测 | 第75-82页 |
| ·计算沸点汽化热的文献方法简介 | 第75-77页 |
| ·网络拓扑结构的确定及训练样本集的选择 | 第77-78页 |
| ·训练结果及预测结果 | 第78-81页 |
| ·网络参数 | 第78页 |
| ·对训练样本的预测结果 | 第78-80页 |
| ·对未知样本的预测结果 | 第80-81页 |
| ·小结 | 第81-82页 |
| ·人工神经网络用于正常沸点的定量预测 | 第82-87页 |
| ·计算正常沸点的文献方法简介 | 第82-83页 |
| ·网络拓扑结构的确定及训练样本集的选择 | 第83-84页 |
| ·训练结果及预测结果 | 第84-87页 |
| ·网络参数 | 第84-85页 |
| ·对训练样本的预测结果 | 第85-86页 |
| ·对未知样本的预测结果 | 第86-87页 |
| ·小结 | 第87页 |
| ·人工神经网络用于临界温度的定量预测 | 第87-95页 |
| ·计算临界温度的文献方法简介 | 第87-90页 |
| ·网络拓扑结构的确定及训练样本集的选择 | 第90-91页 |
| ·训练结果及预测结果 | 第91-94页 |
| ·网络参数 | 第91页 |
| ·对训练样本的预测结果 | 第91-93页 |
| ·对未知样本的预测结果 | 第93-94页 |
| ·小结 | 第94-95页 |
| 7 人工神经网络用于多种物性的同时定量预测 | 第95-105页 |
| ·对临界压力和临界体积二种物性的同时预测 | 第95-100页 |
| ·临界压力和临界体积的文献计算方法简介 | 第95-97页 |
| ·网络拓扑结构的确定及训练样本集的选择 | 第97-98页 |
| ·训练结果及预测结果 | 第98-100页 |
| ·网络参数 | 第98-99页 |
| ·对训练样本的预测结果 | 第99-100页 |
| ·对未知样本的预测结果 | 第100页 |
| ·对临界温度、临界压力和临界体积三种物性的同时预测 | 第100-104页 |
| ·网络拓扑结构的确定及训练样本集的选择 | 第101页 |
| ·训练结果及预测结果 | 第101-104页 |
| ·网络参数 | 第101-102页 |
| ·对训练样本的预测结果 | 第102-103页 |
| ·对未知样本的预测结果 | 第103-104页 |
| ·小结 | 第104-105页 |
| 8 总结与进一步工作设想 | 第105-107页 |
| ·总结 | 第105-106页 |
| ·进一步工作设想 | 第106-107页 |
| 附录 δ_j~n的计算公式推导 | 第107-110页 |
| 参考文献 | 第110-113页 |
